モデルの適合標準最小二乗法 - JMP と Excel Linest 関数の違いいくつかのデータを使用して、多重線形回帰モデルを適合させようとしていますが、Excel の「Linest」関数と JMP17.2 の「モデルの適合 - 標準最小二乗」関数を使用した場合のパラメータの違いに気付きました。モデルのパラメータ (切片と各 X 変数の係数) は互いに近いですが、同一ではありません。入力データは同一です。
Excel の Linest 関数は、JMP 17.2 で最小二乗法が適用される方法とどう違うのでしょうか? どちらが「優れている」のでしょうか? あるいは、どう違うのでしょうか? JMP を Excel とまったく同じように動作させることは可能ですか? またはその逆でしょうか?
基本的なデータ分析とモデリングRe: モデルの適合標準最小二乗法 - JMP と Excel Linest 関数の違いこんにちは@ScrivensL 、
一部のデータを共有するか (もちろん匿名化してください)、問題点についてもう少し詳しく説明する必要があるかもしれません。なぜなら、JMP の SLS 適合モデルと Excel の LINEST 関数を比較すると、どちらからもまったく同じ答えが得られるからです。
例として、私は MS のデータを使用しています。 このデータは LINEST の定義ページから見つけることができます。JMP で SLS フィット モデルを実行すると、次のような概要レポートが表示されます。
Excel で同じ多重回帰を実行すると、JMP と同じ入力データで次の出力が得られます。
スクリーンショットの下部は、関数の統計オプションをオンにしたときに、LINEST 関数のデータがどのようにレイアウトされるかを示しています。よく見ると、適合の推定値と統計がすべて JMP と同じであることがわかります。異なるように見えるのは丸めだけですが、これは JMP のデフォルトが Excel よりも小さい有効桁数に設定されているためです。
したがって、どこに矛盾が見られるのか私にはわかりません。あなたが見ている違いを再現できるかどうかを確認するには、同じデータを使用する必要があります。このデータでは、両方のソフトウェアから同じ結果が得られます。
これが役に立つことを願っています!
DS
